1.深层神经网络
深层神经网络.png
前向传播.png
3.核对矩阵的维数
公式1.png
公式2.png
4.为什么使用深层表示
深层表示.png
深度学习.png
5.搭建深层神经网络块
深层神经网络：
6.前向和反向传播
总结.png
7.参数 VS 超参数
1）参数
常见的参数即为W[1],b[1],W[2],b[2]……W[1],b[1],W[2],b[2]……
2）超参数
learning_rate: αα
iterations(迭代次数)
hidden layer (隐藏层数量L)
hidden units (隐藏层神经元数量n[l])
激活函数的选择
minibatch size
几种正则化的方法
momentum(动力、动量)
深度学习的实用层面
正则化减少过拟合：
优化算法
1.Mini-batch
2.指数加权平均
3.局部最优问题
